Azure Batch AI はどうなっていますか?
Azure Batch AI サービスは廃止されました。 Batch AI の大規模なトレーニング機能は、 Azure Machine Learning Service で利用できます。 今すぐ移行します。
Azure Machine Learning サービスには、他の多くの機械学習機能と共に、機械学習モデルのトレーニングとバッチ スコアリングのためのクラウドベースのマネージド コンピューティング ターゲットが含まれています。 このコンピューティング ターゲットは Azure Machine Learning コンピューティング と呼ばれ、非推奨の Batch AI サービスのすべての機能を拡張します。 今すぐ移行して使ってみましょう。 Azure Machine Learning サービスは、Python SDK、コマンド ライン インターフェイス、およびAzure portalを使用して操作できます。
サポートのタイムライン
既存のAzure Batch AI サブスクリプションは猶予期間のみ使用できますが、SLA はサポートされていない状態で正式に廃止されます。 新しいサブスクリプションの登録はできず、それ以上の投資や更新は行われません。
サービスはすぐにシャットダウンされ、それ以上の通知はありません。
注意
Azure Machine Learning Service は Government クラウドでは使用できません (GA は 2019 年 6 月に予定されています)、それまではそのリージョンの Batch AI サービスを引き続きサポートします。
Azure Machine Learning との比較
機械学習モデルのトレーニング、デプロイ、自動化、管理を行うためのクラウド サービスであり、これらの操作のすべてをクラウドによって提供される幅広い規模で行うことができます。 Azure Machine Learning service の概要についてはこちらをご覧ください。
一般的なモデル開発ライフサイクルは、データの準備、トレーニングと実験、およびデプロイ フェーズで構成されます。 このエンド ツー エンドのサイクルは、Machine Learning パイプラインを使用して調整できます。
サービスの動作方法とその主要な概念の詳細についてはこちらをご覧ください。 モデル トレーニング ワークフローの概念の多くは、Batch AI の既存の概念に似ています。
具体的には、次の対応をご覧ください。
| Batch AI サービス | Azure Machine Learning service |
|---|---|
| ワークスペース | ワークスペース |
| クラスター |
AmlCompute 型のコンピューティング |
| ファイル サーバー | データストア |
| 実験 | 実験 |
| ジョブ | 実行 (入れ子の実行も可能) |
同じ表をさらに視覚化した別のビューを次に示します。
Batch AI の階層
Azure Machine Learning service の階層
プラットフォームの機能
Azure Machine Learning Service には、Azure リソースを管理しなくても AI 開発に使用できるエンド ツー エンドの>トレーニングデプロイ スタックなど、優れた新機能セットが用意されています。 次の表では、2 つのサービスのトレーニング機能のサポートを比較します。
| 機能 | Batch AI サービス | Azure Machine Learning service |
|---|---|---|
| VM サイズの選択 | CPU/GPU | CPU/GPU。 推論用に FPGA もサポートされいます |
| AI 対応のクラスター (ドライバー、Docker など) | Yes | Yes |
| ノードの準備 | はい | いいえ |
| OS ファミリの選択 | 部分的 | いいえ |
| 専用 VM と LowPriority VM | Yes | Yes |
| 自動スケーリング | Yes | はい (既定) |
| 自動スケーリングの待機時間 | いいえ | Yes |
| SSH | Yes | Yes |
| クラスター レベルのマウント | はい (ファイル共有、BBLOB、NFS、カスタム) | はい (データストアのマウントまたはダウンロード) |
| 分散トレーニング | Yes | Yes |
| ジョブ実行モード | VM またはコンテナー | コンテナー |
| カスタム コンテナー イメージ | Yes | Yes |
| 任意のツールキット | Yes | はい (Python スクリプトを実行) |
| JobPreparation | Yes | まだ、いいえ |
| ジョブ レベルのマウント | はい (ファイル共有、BBLOB、NFS、カスタム) | はい (ファイル共有、BBLOB) |
| ジョブ監視 | GetJob 経由 | 実行履歴 を使用 (より詳細な情報、さらにメトリックをプッシュするカスタム ランタイム) |
| ジョブ ログとファイル/モデルの取得 | ListFiles API および Storage API 経由 | Artifact サービス経由 |
| Tensorboard のサポート | いいえ | Yes |
| VM ファミリ レベルのクォータ | Yes | はい (以前の容量を引き継ぎ) |
前の表に加えて、Azure Machine Learning service には従来は BatchAI でサポートされていなかった機能があります。
| 機能 | Batch AI サービス | Azure Machine Learning service |
|---|---|---|
| 環境の準備 | いいえ | はい (Conda の準備と ACR へのアップロード) |
| ハイパーパラメーターの調整 | いいえ | Yes |
| モデル管理 | いいえ | Yes |
| 運用化/デプロイ | いいえ | AKS と ACI 経由 |
| データの準備 | いいえ | Yes |
| コンピューティング先 | Azure VM | ローカル、BatchAI (AmlCompute として)、DataBricks、HDInsight |
| 自動化された機械学習 | いいえ | はい |
| Pipelines | いいえ | Yes |
| バッチ スコアリング | Yes | Yes |
| ポータル/CLI のサポート | Yes | Yes |
プログラミング インターフェイス
次の表では、各サービスで使用できるさまざまなプログラミング インターフェイスを示します。
| 機能 | BatchAI サービス | Azure Machine Learning service |
|---|---|---|
| SDK | Java、C#、Python、Nodejs | Python (一般的なフレームワークに対する実行構成ベースと推定ベースの両方) |
| CLI | Yes | まだ、いいえ |
| Azure portal | はい | はい (ジョブ送信を除く) |
| REST API | はい | はい、ただしマイクロサービス間に分散 |
プレビューの Batch AI から GA の Azure Machine Learning service にアップグレードすると、Estimator やデータストアなどの使いやすい概念によるより優れたエクスペリエンスが提供されます。 また、GA レベルの Azure サービスの SLA とカスタマー サポートが保証されます。
Azure Machine Learning service では、機械学習の自動化、ハイパーパラメーターの調整、ML パイプラインなどの新しい機能も提供され、ほとんどの大規模な AI ワークロードで役に立ちます。 別のサービスに切り替えずにトレーニング済みモデルをデプロイする機能は、データの準備 (Data Prep SDK を使用) から、運用化とモデルの監視までの、完全なデータ サイエンス ループを作成するのに役立ちます。
Migrate
移行方法と、使用するコードが Azure Machine Learning service のコードにどのようにマッピングされるかについては、Azure Machine Learning service への移行に関する記事を参照してください。
サポートを受ける
Batch AI は廃止され、新しいサブスクリプションがサービスに対して登録されるのを既にブロックしています。 Azure Machine Learning service への移行に関して質問やフィードバックがある場合は、Azure Batch AI Training Preview でお問い合わせください。
Azure Machine Learning service は一般提供のサービスです。 これは、コミットされた SLA があり、さまざまなサポート プランから選択できることを意味します。
Batch AI サービスまたは Azure Machine Learning サービスを介して Azure インフラストラクチャを使用する場合の価格は変わるべきではありません。どちらの場合も、基になるコンピューティングの料金のみが課金されます。 詳しくは、料金計算ツールに関するページをご覧ください。
Azure portal で 2 つのサービスを利用できるリージョンについては、こちらをご覧ください。
次の手順
移行方法と、使用するコードが Azure Machine Learning service のコードにどのようにマッピングされるかについて学習します。
「Azure Machine Learning サービスの概要」を読みます。
Azure Machine Learning service を使用してモデルのトレーニング用のコンピューティング ターゲットを構成します。
Azure のロードマップで、他の Azure サービスの更新情報を確認します。